Semantic Kernel 的一个核心能力就是实现“目标导向”的AI应用。

目标导向

“目标导向”听起来是一个比较高大的词，但是却是实际生活中我们处理问题的基本方法和原则。

顾名思义，这种方法的核心就是先确定目标，然后再寻找实现目标的方法和步骤。这对于人来说的是很自然的事情，但是对于机器则不然。一大堆的指令和控制逻辑其实都是在完成另外一种产出导向的结果。所有的流程和过程都需要提前预定义好，然后期待一个结果的产出。

如今，借助 LLM AI 的力量，我们可以轻松的实现目标导向的过程。

在 Semantic Kernel中，Planner就用于这项工作。

我们可以提前准备好所需的Skill，根据设定好的最终目标，通过Planner，可以将目标分解为需要执行的任务列表，并且可以指定好对应的参数传递，然后逐个任务执行，从而实现最终目标。

做好技能准备

为了让LLM AI更好的理解我们所提供的技能，需要明确地配置好每个技能本身的描述和参数描述。

对于的Semantic Function来说，可以在config.json中配置。以下是一个Translate的配置。

需要注意的就是 description 和 input 参数，最终会成为的LLM是否选择使用的判断标准。而这一切都是基于语义化的理解。

	{
	"schema": 1,
	"type": "completion",
	"description": "Translate the input into the specified language",
	"completion": {
	"max_tokens": 1024,
	"temperature": 0.0,
	"top_p": 0.9,
	"presence_penalty": 0.0,
	"frequency_penalty": 0.0
	},
	"input": {
	"parameters": [
	{
	"name": "input",
	"description": "input text",
	"defaultValue": ""
	},
	{
	"name":"language",
	"description":"the specified language",
	"defaultValue":"English"
	}
	]
	}
	}

对于Native Function ，可以使用特性进行声明，其实 SKFunction 中用于添加Function的描述, SKFunctionContextParameter 用于添加参数的说明。

	public class EmailSKill {
	[SKFunction("Send email conten to receiver")]
	[SKFunctionContextParameter(Name ="content", Description = "email content")]
	[SKFunctionContextParameter(Name ="receiver", Description = "the email address of receiver")]
	public void SendTo(SKContext context){
	var email = context["content"];
	var receiver = context["receiver"];
	Console.WriteLine(
	$"""
	mail to: {receiver}
	{email}
	""");
	}
	}

准备好技能之后，就可以将这些技能导入到Kernel中，等待后续使用。

作为示例，这里导入了三个功能:

1. MySkill.WriteText : 文案写作
2. MySkill.Translate ：文本翻译
3. email.SendTo : 邮件发送

使用Planner

然后我们就可以开始使用 Planner了。

0.13之前版本

Planner作为一个核心组件，在0.13版本之后从Skill中提升了出来，目前（0.13版本）使用了独立的SequentialPlanner，直接创建即可使用。

var planner = new SequentialPlanner(kernel);

指定好任务目标。

var goal = "The PowerBlog is about to release a new product, please write a chinese press release about the new product and send it to mail@example.com";

0.13之前版本

然后就可以直接使用 SequentialPlanner 创建一个Plan了。

var plan = await planner.CreatePlanAsync(goal);

此时可以使用plan.ToJson()，查看任务编排的情况。

plan.ToJson().Dump("Create Plan");

0.13之前版本

0.13 版本之后，任务执行方法更加简单。
由于Plan本身就是一组 ISKFunction,所以可以直接使用 Kernel.RunAsync执行

var result = await kernel.RunAsync(plan);

和通常的Skill执行一样，查看result.Result即可得到结果。

result.Result.Dump("RESULT");

如果需要逐步执行查看结果，或者进行干预的话，也可以手动的调用执行过程。执行的状态都由Plan本身来维护，使用 HasNextStep可以查看当前所有任务是否执行完成，可以使用Plan 的 InvokeNextStepAsync 来执行下一步，也可以使用Kernel的StepAsync逐步执行。

	async Task<Plan> ExecutePlanAsync(IKernel kernel, Plan plan,string input = "")
	{
	while(plan.HasNextStep){
	if(string.IsNullOrWhiteSpace(input)){
	await kernel.StepAsync(plan);
	}else {
	await kernel.StepAsync(input,plan);
	}
	plan.State.Dump();
	if(!plan.HasNextStep){
	break;
	}
	}
	return plan;
	}
	await ExecutePlanAsync(kernel,plan);

Plan执行完成的结果，可以直接使用Plan.State.ToString() 获取。

	plan.State.ToString().Dump("RESULT");
	// output
	/*
	PowerBlog很高兴地宣布即将推出我们的最新产品，这将彻底改变人们生活的方式。我们一直在不懈努力地开发一款产品，它将对我们的客户生活产生重大影响，我们相信我们已经做到了这一点。
	我们的新产品旨在成为一款改变游戏规则的产品，为用户提供独特的体验，增强他们的日常生活。我们相信，这款产品将成为任何想要提高生产力、效率和整体生活质量的人必备的产品。
	我们知道人们总是在寻找简化生活的方法，而这正是我们的新产品的目的。它将帮助用户更好地管理时间，保持组织，更有效地实现他们的目标。
	我们很高兴能够向我们的客户提供这款产品，我们迫不及待地想看到它对他们生活的积极影响。请继续关注我们最新产品的发布，准备体验一种新的生活方式。
	*/

至此，我们就掌握了Semantic Kernel 当前所有的核心概念和基本使用方法。

TIPS: 由于模型的能力问题，目前推荐使用GPT4模型执行以上操作。

---

参考资料：

1. Planner in Semantic Kernel | Microsoft Learn
2. semantic-kernel/05-using-the-planner.ipynb at main · microsoft/semantic-kernel · GitHub
3. What is Semantic Kernel? | Microsoft Learn
4. kernel-syntax-examples/Example12_Planning